a04v69n3

Vista previa del material en texto

168
An Fac med. 2008;69(3):168-71
Estudio bioinformático del metabolismo de 
Mycobacterium tuberculosis bajo condiciones de hipoxia
Bioinformatic analysis of Mycobacterium tuberculosis metabolism under hypoxic conditions
Christian Solís1, Luisa Negrón1
1 Instituto de Química Biológica, Microbiología y Biotecnología Marco Antonio Garrido Malo, Facultad de Farmacia y Bioquímica, 
 Universidad Nacional Mayor de San Marcos. Lima, Perú.
Resumen
Objetivo: Predecir, usando métodos bioinformáticos, las vías metabólicas 
preferentemente activas en Mycobacterium tuberculosis (MT), bajo condiciones 
de hipoxia. Diseño: Análisis biológico. Lugar: Instituto de Química Biológica, 
Microbiología y Biotecnología Marco Antonio Garrido Malo, Facultad de 
Farmacia y Bioquímica, UNMSM. Material biológico: Genes de Mycobacterium 
tuberculosis. Métodos: Inicialmente se seleccionó 355 genes de MT H37Rv, cuya 
expresión ha sido demostrada que es inducida bajo condiciones de hipoxia, y 
359 cuya expresión es reprimida. Usando la información de secuencia de los 
genes con expresión inducida y reprimida, se analizó de modo comparativo la 
posición en el genoma de cada grupo de genes, así como algunas propiedades 
fisicoquímicas (punto isoeléctrico y momento hidrofóbico) de sus proteínas 
correspondientes. Posteriormente, a cada gen se le asignó una vía metabólica o 
regulatoria, usando la información sobre MT de la librería de genes y genomas 
de Kyoto (KEGG), y el procesamiento de secuencias, empleando el programa 
PATH-A. Principales medidas de resultados: Vías metabólicas en genes de 
Mycobacterium tuberculosis, bajo condiciones de hipoxia. Resultados: No se 
encontró diferencias entre los genes con expresión inducida y reprimida, en 
su distribución en el genoma de MT, así como en la distribución de los valores 
para las propiedades fisicoquímicas analizadas en sus productos. De los 355 
genes con expresión inducida iniciales, solamente fue posible asignar al menos 
una vía metabólica a 95, usando KEGG, y 57, usando PATH-A. Conclusiones: El 
análisis comparativo de las vías metabólicas asignadas a los genes con expresión 
inducida y reprimida reveló que, bajo condiciones de hipoxia, se encuentran 
reprimidos muchos genes relacionados a vías metabólicas que implican gasto 
de ATP, encontrándose inducidos algunos genes cuyas proteínas participan en 
vías del metabolismo central, tales como el metabolismo del piruvato, glucólisis 
y ciclo del ácido cítrico.
Palabras clave: Mycobacterium tuberculosis; hipoxia; latencia; vías 
metabólicas.
Abstract
Objective: To predict by using bioinformatic tools Mycobacterium tuberculosis 
(MT) metabolic pathways under hypoxic conditions. Design: Biology analysis. 
Setting: Instituto de Química Biológica, Microbiología y Biotecnología Marco 
Antonio Garrido Malo Biological, Microbiologic and Biotechnologic Chemistry 
Institute, Faculty of Pharmacy and Biochemistry, UNMSM. Biologic material: 
Mycobacterium tuberculosis genes. Methods: The study began with the 
selection of 355 genes of MT H37Rv whose expression has been shown 
by other studies is induced by hypoxic conditions and 359 genes whose 
expression was repressed. Up and down expressed genes were comparatively 
analyzed, localizing genes of each group within the MT genome and predicting 
some physicochemical properties (isoelectric point and hydrophobic moment) 
for their protein products. In order to assign a metabolic or regulatory 
pathway to each gene, Kyoto Encyclopedia of Genes and Genomes (KEGG) 
and PATH-A sequence analysis tool were used. Main outcome measures: 
Metabolic pathways in Mycobacterium tuberculosis genes under hypoxia 
conditions. Results: From the initial 355 up expressed genes, it was possible 
to assign metabolic pathways to only 95 using KEGG and 57 using PATH-A. 
Conclusions: There were no differences between up and down expressed 
genes for their genome distribution and values for studied physicochemical 
properties of their protein products. The comparative analysis of the assigned 
metabolic pathways to down and up-expressed genes revealed that under 
hypoxic conditions several metabolic pathways related to ATP spent were 
down-expressed, being induced some genes whose proteins participate in 
central metabolism pathways such as the pyruvate metabolism, glycolysis 
and citric acid cycle.
Key words: Mycobacterium tuberculosis; hypoxia; latency; metabolic 
pathways.
INTRODUCCIÓN
El Mycobacterium tuberculosis (MT) es 
el agente causal de la tuberculosis, una 
enfermedad infecciosa crónica que es la 
responsable aproximadamente de 2 a 3 
millones de muertes anuales (1). Se consi-
dera que un tercio de la población mundial 
se encuentra infectado por MT y de ella 
solo 10% llega a presentar la enfermedad 
(2). En el resto de la población infectada, el 
microorganismo se encuentra en un estado 
de latencia, el cual le permite al patógeno 
sobrevivir, esperando una oportunidad 
cuando las defensas inmunológicas de 
su hospedero disminuyan, para poder 
reactivarse y causar la enfermedad bajo 
su forma clínica (3). Uno de los modelos 
experimentales para el estudio de la la-
tencia es el estudio de MT cultivado bajo 
condiciones de hipoxia, que simula par-
cialmente el ambiente anaerobio, hostil 
al patógeno, en el interior del hospedero, 
cuando la bacteria se encuentra latente. 
En el presente estudio se hace un análisis 
del contexto biológico de la actividad de 
las proteínas productos de la expresión 
génica bajo condiciones de hipoxia, me-
diante la asignación de vías metabólicas a 
cada uno de sus genes, usando la base de 
datos KEGG y programas como PATH-A. 
Teniendo en consideración este conoci-
miento, se plantea un modelo de las vías 
metabólicas preferentes bajo condiciones 
de hipoxia en el MT. 
 Este conocimiento es importante, 
porque puede ser la base para estudios 
posteriores de búsqueda de nuevos 
antimicobacterianos específicos para el 
patógeno bajo el estado de latencia. 
MÉTODOS
La información de expresión génica usa-
da provino de los trabajos de Sherman y 
col. (4), en la Universidad de Washington 
(Seattle, WA-USA), y puede ser obteni-
da de la dirección http://schoolniklab.
stanford.edu/projects/tb.html. La dis-
tribución en el genoma de MT H37Rv 
de los genes cuya expresión fue inducida 
y reprimida se representó gráficamente 
usando el programa Genome Pixelizer 
2.2.7 (5). Para ello, primero se obtuvo el 
archivo GenBank para todos los genes del 
Estudio bioinformático del metabolismo de Mycobacterium tuberculosis
169
An Fac med. 2008;69(3):168-71
MT H37Rv, del servidor FTP del NCBI. 
Posteriormente, usando esa información, 
así como programas escritos en perl, se 
extrajo la información de la posición 
genómica para cada gen cuya expresión 
fue reprimida o inducida. Se construyó 
con ello el archivo de entrada apropia-
do para el programa Genome Pixelizer, 
procediendo entonces a su ejecución, 
obteniendo como archivo de salida el 
gráfico correspondiente. 
 Para analizar de manera comparativa 
algunas de las características fisicoquí-
micas de los productos de los genes cuya 
expresión es inducida o reprimida por las 
condiciones de hipoxia, se usó los progra-
mas IEP y HMOMENT del paquete de 
programas EMBOSS (6), y las secuencias 
de aminoácidos de todas las proteínas 
productos de esos genes se obtuvo para 
cada una de las proteínas los valores 
predichos de punto isoeléctrico (pI) y 
momentos hidrofóbicos máximos (µH) 
(7). Las secuencias de aminoácidos fueron 
previamente obtenidas del servidor FTP 
del NCBI y la extracción de las secuen-
cias correspondientes solamente a los 
genes con expresión reprimida o inducida 
se realizó con el programa fastacmd del 
paquete de programas NCBI.toolkit (8). 
Para la extracción de la información re-
levante de los archivos de salida de estos 
programas, se escribió varios programas 
scripts con el lenguaje perl (9). Se realizó 
todas estas operaciones bajo el sistema 
operativo Linux.
 La información de las víasmetabólicas fue obtenida de 
la base de datos KEGG (10). 
Los identificadores de vías me-
tabólicas de KEGG fueron 
asignadas a cada gen de MTm 
cuya expresión fue inducida o 
reprimida bajo condiciones de 
hipoxia, para su análisis com-
parativo. Solo las secuencias de 
las proteínas de MT productos 
de genes con expresión induci-
da, a los que se le pudo asignar 
una vía metabólica, fueron 
seleccionadas, para su posterior 
procesamiento bioinformático. 
El planteamiento de un modelo 
de las relaciones entre las vías 
metabólicas que se presentan 
de modo preferente bajo con-
diciones de hipoxia se realizó usando el 
programa PATH-A (11).
RESULTADOS
La localización en el genoma de MT 
H37Rv de los genes cuya expresión fue 
inducida o reprimida se muestra en la 
Figura 1A. La distribución de los genes 
expresados e inducidos se da alrededor 
de todo el genoma y no se aprecia vi-
sualmente diferencias entre ambos gru-
pos de genes. La distribución del punto 
isoeléctrico y momento hidrofóbico 
máximo para ambos grupos de proteínas 
fue semejante (Figuras 1B y 1C).
 De los 355 genes con expresión 
inducida bajo condiciones de hipoxia, 
solamente a 95 se les pudo asignar una 
vía metabólica de acuerdo a KEGG y 57 
usando el programa PATH-A. En la Fi-
gura 2 se presenta un gráfico comparativo 
de las vías metabólicas asignadas a los 
genes de MT, cuya expresión se indujo 
Christian Solís y col.
170
An Fac med. 2008;69(3):168-71
o reprimió bajo condiciones de hipoxia. 
Basado en los resultados obtenidos con 
el programa PATH-A, se desarrolló un 
modelo de las relaciones entre las vías 
metabólicas predichas para proteínas 
cuyos genes se expresan bajo condiciones 
de hipoxia (Figura 3).
DISCUSIÓN
Los datos derivados de los experimentos 
de microarrays son una fuente de informa-
ción que puede ser procesada de diversos 
modos. La primera hipótesis que mane-
jamos fue la de una distribución física 
diferente entre los genes cuya expresión 
es inducida y reprimida. Como se observa 
en la Figura 1A, la distribución de los 
genes expresados e inducidos se da alre-
dedor de todo el genoma de MT H37Rv 
y no se aprecian visualmente diferencias 
entre ambos grupos de genes. 
 Otra hipótesis que se planteó es que 
posiblemente por ser genes cuyas proteí-
nas productos de su expresión presentan 
entornos fisicoquímicos diferentes, como 
el pH y el potencial de oxidación; las 
propiedades fisicoquímicas de ambos 
grupos de proteínas también serían dife-
rentes. Como ejemplo de cambios en el 
entorno fisicoquímico del patógeno en el 
transcurso de la infección, podemos men-
cionar el hecho de que en el ambiente del 
fagosoma, una vez interiorizado el bacilo 
en el macrófago, el MT se ve sometido 
gradualmente a una acidificación de su 
pH, que va de 6,5 hasta valores menores 
a 5,5 (12,13). Como se representa en las 
Figuras 1B y 1C, la distribución del punto 
isoeléctrico (pI) y momento hidrofóbico 
máximo (µH Max) para ambos grupos 
de proteínas fue bastante semejante; 
eso podría hacernos inferir que otros 
parámetros diferentes al pI y al μH Max 
u otras estrategias, como la presencia de 
chaperoninas (14), probablemente podrían 
explicar la adaptación funcional de 
ambos grupos de proteínas a diferentes 
entornos fisicoquímicos.
 Las variaciones en la expresión génica 
están relacionadas de un modo directo 
con cambios en el metabolismo. Cuan-
do los cultivos de MT son sometidos a 
condiciones de hipoxia, se ha observado 
cambios en la expresión génica. Por ello, 
el interés en el presente estudio de pre-
decir a partir del análisis de esos cambios 
los posibles cambios a nivel del meta-
bolismo del patógeno, que expliquen la 
fisiología de este. Estudios previos han 
demostrado que, cuando los cultivos de 
MT son sometidos a la reducción de 
la concentración de oxígeno, pueden 
pasar a un estado de no replicación y ser 
resistentes a los agentes antituberculo-
sos (15); de ello, la importancia de estos 
análisis.
 En muchos trabajos para el análisis 
de los resultados de los experimentos de 
expresión génica, se considera a cada gen 
expresado de manera individual o como 
parte de un grupo de genes con similares 
modos de expresión en varios experimen-
tos. En el presente trabajo se considera 
otra forma de análisis de los datos de 
expresión génica; el análisis no considera 
un gen individual o en un solo grupo, sino 
cada gen puede formar parte de diferentes 
grupos, que además son vías metabólicas y 
regulatorias, establecidas previamente en 
MT, a partir de numerosos trabajos pre-
vios. Esta forma de agrupar a los genes por 
vías metabólicas tiene un mayor sentido 
biológico, ya que en las células cada gen 
puede codificar información para una pro-
teína que puede participar en varias vías 
metabólicas a la vez. Para este propósito, 
nos fue de valiosa ayuda la biblioteca de 
genes y genomas de Kyoto (KEGG) (10) 
y el programa PATH-A (11). En KEGG 
se pone a disposición de los usuarios la 
información sobre las vías metabólicas 
de manera interactiva o a través de un 
servidor FTP, donde la información se 
obtiene como archivos de texto, de los 
que se puede extraer la información de 
interés del investigador, luego de un pro-
cesamiento mediante programas scripts 
escritos con ese propósito, siendo PERL 
el lenguaje de programación usado por su 
sintaxis apropiada para la manipulación 
de información en forma de textos. En 
cambio, PATH-A usa de forma directa 
información de secuencia para predecir 
vías metabólicas en base a técnicas de 
aprendizaje automático machine learning 
y análisis de secuencias (SVM, BLAST 
y HMM), que permiten primero la 
anotación funcional de las secuencias y 
posteriormente su agrupamiento en una 
vía metabólica determinada. El mayor 
número de pasos que toma el procesa-
miento de la información con PATH-A 
respecto a KEGG explicaría porqué con 
esta técnica se realizó asignaciones de 
vías metabólicas a un menor número de 
proteínas.
 En la Figura 2 se observa que el meta-
bolismo de piruvato es una de las vías en 
las que hay una mayor diferencia entre en 
número de genes con expresión inducida 
y reprimida; ello puede tener relación 
con el hecho de que esta vía es un punto 
central entre el metabolismo de carbo-
hidratos y lípidos. Se observa también 
que, en algunos casos, para una misma 
vía metabólica hay genes cuya expresión 
es inducida y reprimida; esto se explica 
porque incluso para una misma función 
enzimática se pueden presentar en MT 
Estudio bioinformático del metabolismo de Mycobacterium tuberculosis
171
An Fac med. 2008;69(3):168-71
dos o más proteínas (isoformas) cuyos 
genes se encuentren diferencialmente 
expresados. Respecto a los genes cuya 
expresión se reprime bajo condiciones de 
hipoxia, se observa que para los transpor-
tadores ABC se asigna un alto número de 
estos genes; ello se puede explicar porque 
forman parte de un sistema de transporte 
de sustratos del exterior hacia el citoplas-
ma, que requiere la hidrólisis de ATP (16). 
Bajo condiciones de hipoxia, en las que la 
disponibilidad de energía bajo la forma de 
ATP se encuentra limitada, la expresión 
de esos genes se encuentra reprimida, a 
fin de evitarle a MT mayores gastos de 
ATP, que los que le son indispensables.
 Es necesario agregar que, para el aná-
lisis comparativo de las vías metabólicas 
bajo condiciones de hipoxia, solo se ha 
considerado a las proteínas cuyos genes 
han tenido su expresión inducida o 
reprimida; por lo que, algunas vías me-
tabólicas con un aparente bajo número 
de proteínas asignadas, pueden también 
incluir proteínas cuya expresión es cons-
titutiva y no varían ante las condiciones 
de hipoxia; esto se aplica sobre todo para 
las vías metabólicas troncales, como las 
del ciclo del ácido cítrico y la glucólisis/
gluconeogénesis.
 Las condiciones de hipoxia en las 
que se obtuvo experimentalmente los 
datos de expresión génica (4) simulan en 
parte el ambiente anaerobio hostil del 
patógeno en el interior del granuloma, 
ambienteen el que el patógeno entra 
en un estado de latencia. El desarrollo 
de agentes antituberculosos en contra 
del patógeno bajo este estado fisiológi-
co sería valioso, porque evitaría que el 
microorganismo retorne a su fase activa 
de crecimiento, donde se manifiesta la 
enfermedad y produce sus más graves 
efectos. Por ello, la información obtenida 
en el presente trabajo sobre las vías me-
tabólicas preferentemente activas bajo 
estas condiciones, es importante para un 
posterior estudio de selección de blancos 
farmacológicos específicos para el estado 
de latencia. Un antimicobacteriano di-
señado para bloquear la actividad de una 
proteína, que participa en alguna de estas 
vías metabólicas de un modo indirecto, 
no solo podría alterar el funcionamiento 
de la vía metabólica, sino también la 
supervivencia del patógeno en estado de 
latencia. 
AGRADECIMIENTOS
A la Universidad Internacional de Andalu-
cía (España) y a la Red Iberoamericana de 
Bioinformática por las oportunidades de en-
trenamiento y formación en bioinformática y 
química computacional. Un agradecimiento 
especial al Consejo Superior de Investigacio-
nes de la Universidad Nacional Mayor de 
San Marcos, por el financiamiento parcial 
de la presente investigación.
REFERENCIAS BIBLIOGRÁFICAS
1. Dye C, Watt CJ, Bleed DM, Hosseini SM, Raviglione 
MC. Evolution of tuberculosis control and prospects 
for reducing tuberculosis incidence, prevalence, 
and deaths globally. JAMA. 2005;293(22):2767-
75.
2. Corbett EL, Watt CJ, Walker N, Maher D, Williams 
BG, Raviglione MC, et al. The growing burden 
of tuberculosis: global trends and interactions 
with the HIV epidemic. Arch Intern Med. 
2003;163(9):1009-21.
3. Aaron L, Saadoun D, Calatroni I, Launay O, Memain 
N, Vincent V, et al. Tuberculosis in HIV-infected 
patients: a comprehensive review. Clin Microbiol 
Infect. 2004;10(5):388-98.
4. Sherman DR, Voskuil M, Schnappinger D, Liao 
R, Harrell MI, Schoolnik GK. Regulation of the 
Mycobacterium tuberculosis hypoxic response 
gene encoding alpha -crystallin. Proc Natl Acad 
Sci USA. 2001;98(13):7534-9. 
5. Kozik A, Michelmore R. Computational approach 
to select the set of ESTs with a single BLAST hit 
to Arabidopsis genome [monografía en Internet]. 
University of California at Davis, 2002 [acceso 24 
Jul 2006]. Disponible en: http://cgpdb.ucdavis.
edu/COS_Arabidopsis/ 
6. Rice P, Longden I, Bleasby A. EMBOSS: the 
European Molecular Biology Open Software Suite. 
Trends Genet. 2000;16(6):276-7.
7. Eisenberg D, Wilcox W, McLachlan AD. Hydrophobicity 
and amphiphilicity in protein structure. J Cell 
Biochem. 1986;31(1):11-7.
8. Shiryev SA, Papadopoulos JS, Schäffer AA, 
Agarwala R. Improved BLAST searches using 
longer words for protein seeding. Bioinformatics. 
2007;23(21):2949-51.
9. Stajich JE, Block D, Boulez K, Brenner SE, Chervitz 
SA, Dagdigian C, et al. The Bioperl toolkit: Perl 
modules for the life sciences. Genome Res. 
2002;12(10):1611-8.
10. Kanehisa M, Goto S, Hattori M, Aoki-Kinoshita KF, 
Itoh M, Kawashima S, et al. From genomics to 
chemical genomics: new developments in KEGG. 
Nucleic Acids Res. 2006;34:D354-7.
11. Pireddu L, Szafron D, Lu P, Greiner R. The path-A 
metabolic pathway prediction web server. Nucleic 
Acids Res. 2006;34(Web Server issue):W714-9.
12. Oh YK, Straubinger RM. Intracellular fate 
of Mycobacterium avium: use of dual-label 
spectrofluorometry to investigate the influence of 
bacterial viability and opsonization on phagosomal 
pH and phagosomelysosome interaction. Infect 
Immun. 1996;64:319-25.
13. Sturgill-Koszycki S, Schlesinger PH, Chakraborty 
P, Haddix PL, Collins HL, Fok AK, et al. Lack of 
acidification in Mycobacterium phagosomes 
produced by exclusion of the vesicular proton-
ATPase. Science. 1994;263(5147):678-81.
14. Qamra R, Mande SC, Coates AR, Henderson B. 
The unusual chaperonins of Mycobacterium 
tuberculosis. Tuberculosis (Edinb). 2005;85(5-
6):385-94.
15. Hu Y M, Butcher PD, Sole K, Mitchison DA, Coates 
ARM. Protein synthesis is shut down in dormant 
Mycobacterium tuberculosis. FEMS Microbiol Lett. 
1998;158:139-45.
16. Murugasu-Oei B, Tay A, Dick T. Upregulation of 
stress response genes and ABC transporters 
in anaerobic stationary-phase Mycobacterium 
smegmatis. Mol Gen Genet. 1999;262(4-5):677-
82.
Manuscrito recibido el 27 de agosto de 2008 y 
aceptado para publicación el 15 de agosto de 
2008.
Correspondencia:
Dra. Luisa Negrón Ballarte
Facultad de Farmacia y Bioquímica, 
Universidad Nacional Mayor de San Marcos. 
Jr. Puno 1002. Lima 1, Perú
Correo-e: luisane@terra.com.pe